使用 Amazon Personalize，只需按實際用量付費；既沒有最低費用，也沒有前期承諾。
開始免費使用 AWS Personalize。
在註冊後的前兩個月，您在使用自訂推薦解決方案時會獲得以下資訊：
資料處理與儲存：每個符合資格的 AWS 區域每月最多 20 GB。
訓練：每個符合資格的區域每月最多 100 個訓練小時。
推薦：每月最多 50 個 TPS-小時的即時推薦。
-
使用案例優化推薦系統
-
使用者細分
-
自訂推薦解決方案
-
使用案例優化推薦系統
-
Amazon Personalize 提供使用案例優化推薦系統，該系統可簡化常用推薦解決方案的建立和維護。選取您想使用的推薦系統，Amazon Personalize 會自動設定基礎機器學習 (ML) 模型並全面管理其生命週期。您可以從九個推薦系統中進行選擇，這些推薦系統為您的使用者體驗中的不同接觸點提供個人化推薦。
使用以下方法時適用以下定價：
- aws-ecomm-popular-items-by-view
- aws-ecomm-popular-items-by-purchases
- aws-ecomm-frequently-bought-together
- aws-ecomm-customers-who-viewed-x-also-viewed
- aws-ecomm-recommended-for-you
- aws-vod-most-popular
- aws-vod-because-you-watched-x
- aws-vod-more-like-x
- aws-vod-top-picks
資料擷取我們會根據上傳至 Amazon Personalize 的資料量以每 GB 計費。這包括串流至 Amazon Personalize 的即時資料，以及透過 Amazon Simple Storage Service (S3) 上傳的批次資料。
資料擷取成本：每 GB 0.05 USD
使用者根據 Amazon Personalize 處理的資料集中的使用者數量*，您需要為每個推薦系統按小時付費。每個活躍的推薦系統每小時包括固定數量的推薦系統，無需額外費用。
每個推薦系統的使用者數 每 100,000 個使用者的價格 每小時的免費推薦數 前 100,000 個使用者 0.375 USD 4,000 後續 900,000 個使用者 0.045 USD 6,000 後續 900 萬個使用者 0.018 USD 9,000 超過 1,000 萬個使用者 0.005 USD 14,000 其他推薦當一小時內的推薦超過使用者層的免費推薦 (見上表) 時，您需要為每小時使用的額外推薦付費。
其他推薦 每 1,000 條推薦的價格 每個符合資格的區域每小時的前 100,000 條推薦 0.0833 USD 每個符合資格的區域每小時的後續 900,000 條推薦 0.0417 USD 每個符合資格的區域每小時超過 100 萬條推薦 0.0208 USD *使用者數 (透過 ‘user_id’ 識別) 計算為 ‘Users’ 和 ‘Interactions’ 資料集中的唯一使用者數。
定價範例
範例 1：適用於媒體公司的使用案例優化推薦系統媒體公司透過即時分析其使用者偏好和消費行為，來提供內容探索和推薦。他們在一個月內上傳了 200 GB 的資料，擁有 500,000 名使用者。他們的流量通常需要每小時 5,000 條推薦；但是，每月有 40 個高峰時段需要每小時 16,000 條推薦。他們使用三個不同的推薦系統。
當月使用 Amazon Personalize 的收費為：
- 資料處理和儲存費用 = 200 GB x 每 GB 0.05 USD = 10 USD
- 使用者費用：
- 前 100,000 名使用者 = 每小時 0.375 USD * 每月 732 小時 * 3 個推薦系統 = 823.50 USD
- 後續 400,000 名使用者 = 400,000 名使用者 * 每小時 0.045 USD/100,000 名使用者 * 每月 732 小時 * 3 個推薦系統 = 395.28 USD
- 其他推薦變更：
- 每小時 16,000 個推薦系統 – 每小時 6,000 條免費推薦 = 每小時10,000 條額外推薦。
- 每小時10,000 條額外推薦 * 0.0833 USD/1,000 條推薦 * 40 個小時* 3 個推薦系統 = 99.96 USD
總費用 = 10 USD + 823.50 USD + 395.28 USD + 99.96 USD = 1,328.74 USD
範例 2：適用於線上零售商的使用案例優化推薦系統線上零售商使用優化推薦系統在其使用者之旅的不同接觸點提供推薦。他們在一個月內上傳了 10 GB 的資料，擁有 50,000 名使用者。他們的流量從不需要超過每小時 4,000 條推薦。他們使用四個不同的推薦系統。
當月使用 Amazon Personalize 的收費為：
- 資料處理和儲存費用 = 10 GB x 每 GB 0.05 USD = 0.50 USD
- 使用者費用：
- 前 100,000 名使用者 = 每小時 0.375 USD * 每月 732 小時 * 4 個推薦系統 = 1,098 USD
- 其他推薦變更：
- 客戶從為超過每小時 4,000 條推薦，因此，所有推薦都包含在內。不收取額外的推薦費用。
總費用 = 0.50 USD + 1,098 USD = 1,098.50 USD
-
使用者細分
-
Amazon Personalize 使用機器學習根據使用者對不同產品、類別、品牌等的喜愛程度自動對其進行細分，以建立更有效的行銷活動。
使用以下使用者細分方法時適用以下定價：
- aws-item-affinity
- aws-item-attribute
資料擷取我們會根據上傳至 Amazon Personalize 的資料量以每 GB 計費。這包括串流至 Amazon Personalize 的即時資料，以及透過 Amazon Simple Storage Service (S3) 上傳的批次資料。
資料擷取成本：每 GB 0.05 USD
培訓我們會根據您利用資料培訓自訂模型所使用的訓練小時數向您收費。一個培訓小時表示使用 4v CPU 和 8 GiB 記憶體的 1 小時運算容量。Amazon Personalize 會自動選擇最佳的執行個體類型來建立您的解決方案，而該執行個體可能會超過基準規格，以便更快速完成任務。Amazon Personalize 會根據相對於基準執行個體使用的執行個體計算訓練小時數。收費的訓練小時數可能高於訓練期間時鐘上的時間。
訓練成本：每訓練小時 0.24 USD
批次區隔 (推論)根據 Amazon Personalize 處理的資料集中的使用者數量*，按項目或項目屬性查詢向您收費。
資料集中的使用者 每個區隔每 1,000 名使用者的價格 前 100,000 個使用者 0.016 USD 後續 900,000 個使用者 0.008 USD 後續 900 萬個使用者 0.004 USD 後續 4,000 萬個使用者 0.001 USD *使用者數 (透過 ‘user_id’ 識別) 計算為 ‘Users’ 和 ‘Interactions’ 資料集中的唯一使用者數。
定價範例
範例 1：線上零售商的批次細分零售商使用批次細分來產生可能對有關正在銷售的特定產品的 SMS 和應用程式內訊息活動感興趣的使用者清單。該零售商有 500,000 名使用者可考慮用於這些活動。它使用 10 GB 的資料並消耗 50 個訓練小時。零售商每月訓練一次解決方案，每兩週對 10 個產品進行細分。
當月使用 Amazon Personalize 的收費為：
- 資料處理和儲存費用 = 10 GB x 每 GB 0.05 USD = 0.50 USD
- 解決方案訓練費用= 50 個訓練小時 * 0.24 USD/訓練小時 = 12 USD
- 批次細分產生費用，前 100,000 名使用者 = 100,000 名使用者 * 0.016 USD/1,000 名使用者 * 10 個查詢 * 每月 2 次 = 32 USD
- 批次細分產生費用，後續 400,000 名使用者 = 400,000 名使用者 * 0.008 USD/1,000 名使用者 * 10 個查詢 * 每月 2 次 = 64 USD
總費用 = 0.50 USD + 12 USD + 32 USD + 64 USD= 108.50 USD
範例 2：媒體公司的批次細分一家媒體公司使用批次細分來根據電影的屬性 (例如流派、男主角/女主角和獲獎情況) 來識別對串流電影感興趣的使用者。該公司使用產生的使用者清單來推動推送通知和電子郵件行銷活動。該服務有 2000 萬使用者，每個活動都會考慮這些使用者。該公司使用 650 GB 的資料，每個方法的訓練需要 1,800 個訓練小時。它每月對這兩種解決方案訓練一次，每週對 25 種不同的電影屬性進行細分。
當月使用 Amazon Personalize 的收費為：
- 資料處理和儲存 = 650 GB x 0.05 USD/GB =32.50 USD
- 解決方案訓練費用= 2 個解決方案 * 1,800 個訓練小時 * 0.24 USD/訓練小時 = 864 USD
- 推論費用，前 100,000 名使用者 = 100,000 名使用者 * 0.016 USD/1,000 名使用者 * 25 個查詢 * 每月 4 次 = 160 USD
- 批次細分產生費用，後續 900,000 名使用者 = 900,000 名使用者 * 0.008 USD/1,000 名使用者 * 25 個查詢 * 每月 4 次 = 720 USD
- 批次細分產生費用，後續 9,000,000 名使用者 = 9,000,000 名使用者 * 0.004 USD/1,000 名使用者 * 25 個查詢 * 每月 4 次 = 3,600 USD
- 批次細分產生費用，後續 10,000,000 名使用者 = 10,000,000 名使用者 * 0.001 USD/1,000 名使用者 * 25 個查詢 * 每月 4 次 = 1,000 USD
總費用 = 32.50 USD + 864 USD + 160 USD + 720 USD + 3,600 USD + 1,000 USD= 6,376.50 USD
-
自訂推薦解決方案
-
藉由 Amazon Personalize，您可輕鬆打造廣泛的個人化體驗，包括特定的產品推薦、個人化產品重新排名和定製的直接行銷。可以即時或批量提供建議，以快速回應不斷變化的使用者意圖。
使用以下方法時適用以下定價：
- user-personalization
- popularity-count
- Personalized-Ranking
- Similar-Items
- SIMS
- HRNN (舊式)
- HRNN-Metadata (舊式)
- HRNN-Coldstart (舊式)
資料擷取我們會根據上傳至 Amazon Personalize 的資料量以每 GB 計費。這包括串流至 Amazon Personalize 的即時資料，以及透過 Amazon Simple Storage Service (S3) 上傳的批次資料。
資料擷取成本：每 GB 0.05 USD
培訓建立自訂解決方案時，我們會根據您利用資料訓練自訂模型所使用的訓練小時數向您收費。一個培訓小時表示使用 4v CPU 和 8 GiB 記憶體的 1 小時運算容量。Amazon Personalize 會自動選擇最佳的執行個體類型來建立您的解決方案，而該執行個體可能會超過基準規格，以便更快速完成任務。Personalize 會根據相對於基準執行個體使用的執行個體計算訓練小時數。收費的訓練小時數可能高於訓練期間時鐘上的時間。
訓練成本：每訓練小時 0.24 USD
推薦 (推論)即時推薦
您需要支付 Amazon Personalize 處理請求的費用。即時推薦用量以每秒交易數 (TPS) 為單位測量的。您指定所需的最低輸送量。如果您所請求推薦的輸送量超過最低佈建 TPS，Amazon Personalize 會自動擴展以處理您的額外請求，並在您的流量減少時返回到您的最低推薦 TPS。實際使用的 TPS 計算方式為：5 分鐘時段內的每秒平均請求數。對於即時推薦，我們會以 TPS 小時為單位 (進位到最接近的小時) 計算每小時輸送量並向您收費。這是透過取實際提供的 TPS 和最小佈建 TPS 之間的最大值 (每小時每 5 分鐘增量) 乘以處理請求的總時間來計算的。您的用量按月彙總，並根據用量方案計費。
TPS 小時 = 最大值 (實際提供的 TPS，最小佈建的 TPS) * (5/60 分鐘)
即時推薦 價格 每個符合資格的區域每月前 2 萬 TPS-小時 每 TPS-小時 0.20 USD 每個符合資格的區域每月後續 18 萬 TPS-小時 每 TPS-小時 0.10 USD 每個符合資格的區域每月超過 20 萬 TPS-小時 每 TPS-小時 0.05 USD 批次推薦
針對批次推論任務，使用 ‘USER_PERSONALIZATION’ 和 ‘PERSONALIZED_RANKING’ 方法時會依請求的使用者數量計費，而使用 ‘RELATED_ITEMS’ 方法時則，不論請求的結果數為何，都會依請求的項目數量計費。
批次推薦 每 1,000 條推薦的價格 每個符合資格的區域每月前 2 千萬條推薦 0.067 USD 每個符合資格的區域每月後 1 億 8 千萬條推薦 0.058 USD 每個符合資格的區域每月超過 2 億條推薦 0.050 USD *針對批次定價，使用以 ‘User-personalization’ 方法類型為基礎的「解決方案」時，無論每個使用者請求的結果 (項目) 數量為何，針對每個使用者產生的推薦都計為 1 個推薦。同樣地，無論每個使用者重排的項目數量為何，使用 “Personalized-ranking” 只需針對處理的使用者數量支付費用；使用 “Related_items” 方法時，無論每個項目請求有多少類似的項目，您都只需依照處理的項目數量支付費用。
定價範例
範例 1：適用於媒體公司的自訂即時推薦媒體公司使用自訂推薦在其使用者旅程的不同點提供推薦。他們單月上傳 200 GB 的資料，並每天訓練一個解決方案一次，每次訓練 20 分鐘，訓練共使用 10 個訓練小時。此外，客戶當月可使用 720 個小時的 10 TPS 推論能力，藉此產生即時推薦。
當月使用 Amazon Personalize 的收費為：
- 資料處理和儲存費用 = 200 GB x 每 GB 0.05 USD = 10 USD
- 解決方案訓練費用 = 300 個培訓小時 * 每培訓小時 0.24 USD = 72 USD
- 活動費用 (即時推論) = 10 * 720 * 0.20 USD/ TPS-小時 = 1440 USD
總費用 = 10 USD + 72 USD + 1440 USD = 1552 USD
範例 2：自訂即時推薦搭配可變推論流量為簡單起見，我們假設資料上傳量與訓練量和範例 1 的相同。也就是：
- 資料處理和儲存費用 = 200 GB x 每 GB 0.05 USD = 10 USD
- 解決方案訓練費用 = 300 個訓練小時 x 每訓練小時 0.24 USD = 72 USD
但此時，我們將改變當天的請求輸送量。
推論用量和費用：在下表中，我們將逐步檢視可變流量情境，並計算一天使用量所消耗的 TPS 小時：
推論費用計算 時間 時間 (經過時數) 最低佈建 TPS 實際 TPS 最大值 (最低佈建 TPS、實際 TPS) TPS 小時 (最大值 (最低佈建 TPS、實際 TPS) * 時間 (時數)) 中午 12:00 - 下午 6:00 18 30 20 30 540 下午 6:00 - 晚上 10:00 4 30 40 40 160 晚上 10:00 - 晚上 11:00 1 30 5 30 30 上午 11:00 - 中午 12:00 1 20 0 20 20 總消耗 TPS 時數/天 750 TPS 時數/月 22500 總推薦 (推論) 費用 使用量 TPS 時數 (依方案) 單價 (USD/TPS 小時) 費用 (USD) 方案 1 20,000 0.20 USD 4,000 USD 方案 2 2,500 0.10 USD 250 USD 4,250 USD 範例 3：線上零售商的自訂批次推薦某零售商使用自訂批次推薦產生項目推薦，用於個人化電子郵件。他們使用 10 GB 的資料，訓練耗用 50 個訓練小時，然後使用批次推論任務針對 1 百萬使用者產生推薦，為每個使用者產生 10 個項目推薦。
在這個案例中，使用 Personalize 的費用為：
- 資料處理和儲存費用 = 10 GB x 每 GB 0.05 USD = 0.50 USD
- 解決方案訓練費用= 50 個訓練小時 * 0.24 USD/訓練小時 = 12 USD
- 推論費用 = 1 百萬使用者 * 0.067 USD/1,000 個推薦 = 67 USD
總費用 = 0.50 USD + 12 USD + 67 USD = 79.50 USD
進一步了解 Amazon Personalize